Ejecuta el modelo

Cuando ejecutas el modelo, debes agregar la especificación del modelo y, luego, ejecutar los comandos para crear muestras de la distribución a priori y la distribución a posteriori.

Los algoritmos del método Monte Carlo basado en cadenas de Markov (MCMC) se usan para obtener muestras de la distribución posterior. Meridian usa el método de muestreo No-U-Turn con adaptación de kernel y tamaño del paso.

Para ejecutar el modelo, haz lo siguiente:

1. Agrega la especificación de tu modelo.

   Ejemplo:

   model_spec = spec.ModelSpec(
       prior=prior_distribution.PriorDistribution(),
       media_effects_dist='log_normal',
       hill_before_adstock=False,
       max_lag=8,
       unique_sigma_for_each_geo=False,
       media_prior_type='roi',
       roi_calibration_period=None,
       rf_prior_type='coefficient',
       rf_roi_calibration_period=None,
       organic_media_prior_type='contribution',
       organic_rf_prior_type='contribution',
       non_media_treatments_prior_type='contribution',
       knots=None,
       baseline_geo=None,
       holdout_id=None,
       control_population_scaling_id=None,
   )
   

2. Ejecuta los siguientes comandos para obtener muestras de las distribuciones a priori y a posteriori. Configura los parámetros según sea necesario:

   meridian = model.Meridian(input_data=data, model_spec=model_spec)
   meridian.sample_prior(500)
   meridian.sample_posterior(n_chains=7, n_adapt=500, n_burnin=500, n_keep=1000)
   

   Parámetro	Descripción
   n_chains	Es la cantidad de muestras de cadenas que se tomarán en paralelo. Para reducir el consumo de memoria, puedes usar una lista de números enteros para permitir las llamadas de muestreo secuenciales del método de MCMC. Una vez que se proporciona una lista, cada elemento de la secuencia corresponde al argumento n_chains para una llamada a windowed_adaptive_nuts.
   n_adapt	Es la cantidad de extracciones del método de MCMC por cadena durante las cuales se adaptan el tamaño del paso y el kernel. Estas muestras a posteriori se excluyen siempre.
   n_burnin	Es una cantidad adicional de muestras a posteriori MCMC por cadena que se debe excluir una vez que se fijen el tamaño del paso y el kernel. Estas extracciones adicionales pueden ser necesarias para garantizar que todas las cadenas alcancen la distribución estacionaria una vez que se complete la adaptación, pero, en la práctica, a menudo descubrimos que las cadenas alcanzan la distribución estacionaria durante la adaptación y que n_burnin=0 es suficiente.
   n_keep	Es la cantidad de extracciones del método de MCMC por cadena que se deben conservar para el análisis y los resultados del modelo.

A continuación, ejecuta diagnósticos de modelado para analizar la convergencia, verificar las distribuciones y evaluar el ajuste del modelo.